기계학습을 통한 잉여현금흐름 예측

Predicting Free Cash Flow via Machine Learning with Concentration on Support Vector Machine and Logistic Regression

잉여현금흐름은 기업가치의 중요한 지표로서, 경영자, 투자자, 노동자 등 다양한 정보이용자들에게 유용한 정보이다. 그러나 잉여현금흐름예측 모형의 개발이나 관련된 연구는 많이 이루어지지 않고 있다. 이에 본 연구에서는 우리나라 상장기업들의 재무 빅데이터를 활용하여 기업의 잉여현금흐름을 예측하는 머신러닝 모형들 간의 성능을 비교하였다. 예측력이 뛰어난 것으로 알려져 있는 서포트벡터머신 알고리즘을 중점적으로 논의하였는데, 서포트벡터머신(support vector machine)은 p차원 공간에 존재하는 개체들을 p－1차원의 초평면(hyperplane)을 사용해 분리시키는 최대마진분류기(maximal margin classifier)의 발상을 일반화시킨 것이다. 또한 서포트벡터머신과 연관성을 가지는 로지스틱 회귀 모형을 함께 고려하였다. 분석 결과, 로지스틱 회귀 모형의 전반적인 예측력이 가장 좋았다. 그럼에도 불구하고, 본 연구에서 고려된 모형들 간의 유의한 차별성은 없었는데, 이는 향후 변수의 속성을 반영한 다양한 머신러닝 알고리즘을 감안할 필요성을 제기하고 있다.

Free cash flows is one of firm valuation methods and useful information contents to all parties. However, There is not enough to investigate for free cash flow forecasting. In this study, the performance of machine learning algorithms for predicting corporate free cash flow using financial big data of public companies in Korea was compared. The support vector machine algorithm, which is known for its excellent predictive power, was mainly discussed. It is a generalization of the idea of maximal margin classifier that separates the entities in the p－dimensional space using a p－1 dimensional hyperplane. In addition, the logistic regression model that is connected with the support vector machine was also considered. As a result of the analysis, the overall predictive power of the logistic regression model was the best. Nevertheless, there was no significant difference between the models considered in this study, which calls for future studies incorporating various machine learning algorithms well－suited for financial attributes.